1.) neon es el marco de Deep Learning basado en Python, construido sobre el kernel gpu de Nervana (una alternativa al CuDNN de Nvidia). Es el único marco que ejecuta este núcleo específico, y los últimos puntos de referencia muestran que es el más rápido para algunas tareas específicas.
2.) Blocks es un marco un poco más reciente basado en Python. Tiene una separación bastante agradable de módulos que puede escribir usted mismo, y que se llaman “ladrillos”.
3.) Para mí, soy fanático de Keras (colaborador principal: François Chollet, que acaba de mudarse a trabajar en Google) y Lasagne (equipo de ocho personas, pero colaborador principal: Sander Dielemans, quien recientemente terminó su doctorado y ahora trabaja en Google Deepmind). Tiene un buen nivel de abstracción, se desarrolla activamente, pero también ofrece formas fáciles de conectar sus propios módulos o proyectos de código.
- ¿Con qué biblioteca de aprendizaje automático debo experimentar entre SparkML, Microsoft Azure ML y AWS ML?
- ¿Ha habido algún éxito con el aprendizaje profundo bayesiano?
- ¿Cómo debo elegir una función de activación adecuada para la red neuronal?
- ¿Cómo verifican las personas los resultados de un análisis de causa raíz en la minería de datos? ¿Hay algún conjunto de datos público disponible que especifique cuáles son las causas reales del problema?
- ¿Es el enlace neuronal una tecnología que podría funcionar?
4.) Torch está basado en Python y en realidad es un lenguaje bastante bueno para trabajar, aparte de un problema que es difícil de interactuar desde otros idiomas a Lua.
